filing-anomaly-locator

用于信托领域合规与运营中的报送异常定位助手场景，支持结构化处理与报告输出。

105 stars

Best use case

filing-anomaly-locator is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

用于信托领域合规与运营中的报送异常定位助手场景，支持结构化处理与报告输出。

Teams using filing-anomaly-locator should expect a more consistent output, faster repeated execution, less prompt rewriting.

When to use this skill

You want a reusable workflow that can be run more than once with consistent structure.

When not to use this skill

You only need a quick one-off answer and do not need a reusable workflow.
You cannot install or maintain the underlying files, dependencies, or repository context.

Installation

Claude Code / Cursor / Codex

$curl -o ~/.claude/skills/filing-anomaly-locator/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/filing-anomaly-locator/SKILL.md"

Manual Installation

Download SKILL.md from GitHub
Place it in .claude/skills/filing-anomaly-locator/SKILL.md inside your project
Restart your AI agent — it will auto-discover the skill

How filing-anomaly-locator Compares

Feature / Agent	filing-anomaly-locator	Standard Approach
Platform Support	Not specified	Limited / Varies
Context Awareness	High	Baseline
Installation Complexity	Unknown	N/A

Frequently Asked Questions

What does this skill do?

用于信托领域合规与运营中的报送异常定位助手场景，支持结构化处理与报告输出。

Where can I find the source code?

You can find the source code on GitHub using the link provided at the top of the page.

SKILL.md Source

# filing-anomaly-locator

## 概述

本技能用于信托业务场景的结构化处理，支持数据解析、规则识别与报告输出。

## 输入要求

- 支持 JSON 数组或 JSONL
- 建议字段：`id`, `name`, `text`, `status`, `timestamp`，以及场景相关业务字段

## 工作流程

1. 明确业务口径与目标
2. 读取并清洗输入数据
3. 执行规则分析与风险识别
4. 输出结构化结果并标注复核事项
5. 人工复核后进入正式流程

## 执行方式

```bash
python scripts/analyze.py --input input.json --output report.md
```

## 输出结构

1. 样本概览（数量、等级分布）
2. 重点条目（分值、命中原因）
3. 风险提示与复核建议
4. 免责声明

## 质量要求

- 事实与判断分离
- 规则命中可追溯
- 保留自动生成需人工复核声明
- 不输出投资建议、授信决策或法律最终意见

## 使用示例

### 示例 1: 基本使用

```python
# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})
```

### 示例 2: 命令行使用

```bash
python scripts/run_skill.py --input data.json
```

Related Skills

market-anomaly-tracker

105

from aifinlab/FinClaw

市场异动追踪助手，适用于券商研究、投资管理、风控监控、交易决策等场景。以下情况请主动触发此技能： - 用户问"今天市场有什么异常""某股票为什么突然拉升""帮我看看市场异动" - 用户提供了行情数据、异动股票列表，问"这些异动怎么看""有什么共同点" - 用户需要：市场异动监控、异动原因分析、异动股票归因、市场情绪判断 - 用户提到：涨停、跌停、闪崩、拉升、跳水、放量、缩量、异常波动 - 用户需要形成市场点评、异动快报、投资决策参考不要等用户明确说"市场异动追踪"——只要涉及市场行情异常波动分析、异动原因解读、市场情绪判断，就应主动启动此技能。

subscription-redemption-anomaly-monitoring

105

from aifinlab/FinClaw

面向基金产品管理领域的申赎监测任务Skill，围绕「申赎异常监测助手」场景提供信息抽取、结构化分析与结果输出。

scale-anomaly-alert

105

from aifinlab/FinClaw

面向基金产品管理领域的规模预警任务Skill，围绕「规模异动预警助手」场景提供信息抽取、结构化分析与结果输出。

filing-material-review

105

from aifinlab/FinClaw

面向基金合规与信息披露领域的报送审查任务Skill，围绕「报送材料审查助手」场景提供信息抽取、结构化分析与结果输出。

filing-check

105

from aifinlab/FinClaw

用于信托领域合规运营中的报送检查助手场景，支持结构化处理与报告输出。

enterprise-operational-anomaly-early-warning

105

from aifinlab/FinClaw

当用户需要对银行对公客户开展贷后经营异常预警、风险信号识别、预警分级、触发原因解释、跟踪建议、走访核查清单、风险提示或预警报告输出时，使用本技能。适用于银行对公金融场景下的贷后预警、客户持续监测、异常经营识别、风险苗头发现与早期处置建议。当用户提供企业经营、财务、账户、交易、司法、舆情、纳税、工商、担保、上下游、库存、回款、订单等信息，希望识别异常并形成预警结论时，应优先触发本技能。